近年来，人工智能和机器学习的迅猛发展使得机器学习应用更加广泛，也推动了云上机器学习的大规模普及。为了满足开发者、数据科学家和业务专家对机器学习的需求，AWS构建了一套从底层到顶层的全方位机器学习技术栈和服务。这些服务不仅功能密集，而且越来越贴近用户的当前和未来需求，因此吸引了大量用户的关注。

AWS不断为Amazon SageMaker增加新功能，仅2018年就推出了50多项新功能。例如，Amazon SageMaker Ground Truth用于创建高度准确的标注数据集，SageMaker RL则支持强化学习的应用，而SageMaker Neo则使开发人员能够一次性训练算法并在各种硬件上部署。

这些功能大大简化了用户构建定制化机器学习模型的过程。AWS人工智能服务副总裁Matt Wood博士表示：“我们始终倾听用户的声音，不断推动云上机器学习的技术创新，将机器学习的能力传递给更多用户，解决他们面临的障碍。”

在2019年的AWS re:Invent峰会上，AWS进一步扩展了其机器学习技术栈，特别是Amazon SageMaker服务。Amazon SageMaker Studio是其推出的一个用于机器学习的集成开发环境，同时发布了五项功能更新，为开发者和数据科学家提供了更全面的服务。

Studio是一个基于Web的IDE，用于构建和训练机器学习模型。它不仅是一项云端服务，还与SageMaker的其他功能协同工作，提供更高程度的自动化、集成、调试和监控。例如，用户可以通过Studio快速访问企业笔记本、数据集、代码和模型。本质上，Studio将成为机器学习工具和流程的一站式服务平台。

随着用户对机器学习应用场景需求的细化，AWS也在不断扩展其机器学习服务的功能。AWS首席云计算企业战略顾问张侠表示：“这些工具大多可以在Studio的整合环境中运行，也可以单独使用。”

Amazon SageMaker Notebooks允许用户在几秒钟内启动弹性机器学习笔记本，并通过单击自动共享。Amazon SageMaker Experiments帮助用户可视化并比较不同版本的机器学习模型及其训练参数和结果。Amazon SageMaker Debugger则为机器学习模型提供实时监控，以提高预测精度，缩短训练时间，并增强模型的可解释性。Amazon SageMaker Model Monitor通过概念漂移检测，及时发现生产环境中运行的模型性能何时偏离初始训练的模型。Amazon SageMaker Autopilot则允许用户将简单的CSV格式数据提交后，自动生成机器学习模型，并让用户了解模型的创建过程，以便随着时间的推移改进模型。

虎牙作为视频直播技术的领导者，高度重视机器学习在4K直播、直播互动和VR直播等场景中的应用。虎牙首席技术官赖立高在接受采访时提到，在国内互联网市场中，AI上云一直是许多企业面临的难题。然而，随着SageMaker的逐渐成熟，这一问题已经得到了有效的解决。因此，未来虎牙将利用自身数据和算法的优势，借助AWS的机器学习服务，进一步实现AI上云的目标。